基于深度融合模型的气膜密封端面状态识别方法

气膜密封装置是工业领域应用广泛的一种密封技术,其可靠的密封性能对于设备正常运行至关重要。气膜密封装置的动静密封环接触端面相对运动会产生摩擦,摩擦过程会产生复杂的声发射信号,这些信号往往隐含密封端面运行状况的重要信息。采用传统的方法往往难以准确识别和分类这些微弱的特征信号,因此需要开发更高精度的故障诊断方法。针对机械密封动、静环端面摩擦状态难以识别这一问题,以气膜密封装置为研究对象,提出了一种基于深度融合模型的气膜密封端面状态识别方法。首先,采用声发射传感器及采集设备,对密封端面的声发射信号进行了采集;其次,利用小波包变换方法对采集到的信号进行了滤波处理,并提取了时域和频域的微弱特征;然后,将深度随机森林(DRF)作为分类层融入卷积神经网络(CNN)形成了融合模型,对预先处理过的密封装置运行状态的特征信息进行了识别和分类;最后,根据实验的泄漏量,使用混淆矩阵和受试者工作曲线分析了两种模型的特征提取能力。研究结果表明:CNN-DRF融合模型对于密封端面声发射信号的两种特征识别精度分别为96%和98%,与传统的CNN模型相比,其可以充分提取信号特征信息,具有更出色的故障诊断能力。

钢管混凝土内部孔洞缺陷监测试验

开展了钢管混凝土内部孔洞缺陷监测试验,提出了将压电材料制成埋入式压电传感器,通过布置监测系统,利用波动分析法的原理对钢管混凝土内部孔洞缺陷进行测量和分析的监测方法。设计了具有不同直径内部孔洞的钢管混凝土试件和间距不同的传感器监测组,从基于幅值和声时的时域分析角度和基于小波包能量的频域分析角度对应力波测量结果进行了对比分析。结果表明,提出的监测方法可以识别钢管混凝土内部孔洞缺陷的情况。

基于改进小波包方法的衬砌损伤识别研究

研究目的:针对隧道衬砌发生损伤的识别方法,提出了一种基于小波包能量的计算方法,在基于前人的研究成果上进行了改进,得到了一种算法简单、损伤识别效果显著的方法,并建立了一个新的损伤指标ELG(小波包结点能量丰富点控制指标);建立了三维隧道有限元模型,通过多种损伤工况计算,研究了该方法在不同工况下的损伤识别效果;进行了模拟实验,通过小车-管道模型模拟隧道衬砌在列车荷载作用下的响应,并使用该方法对响应数据进行分析。研究结论:(1)新的损伤指标ELG具有高效率、高准确性的优点,可以作为一种衬砌的损伤识别方法;(2)损伤识别结果的精确程度取决于测点的布置密度,测点间距约为监测长度段的1/10时,为能否准确识别损伤的临界值,若大于此值,则不具备识别效果。

声学测温信号时延优化方法

为了优化发动机燃烧室声学测温信号的时延处理,提高温度测量的准确性和稳定性,提出了一种结合小波包分解变换重组和孤立森林算法的信号处理新方法。首先,通过热校准风洞实验,得到声学测温探头在高温气流环境中的数据;然后,采用小波包分解变换重组方法结合孤立森林算法对温度数据进行滤波和重构,消除噪声和提取有效信息;同时,为了提高数据质量和准确性,对重构后的数据进行异常值检测。热校准风洞试验结果表明:经过信号处理后的数据分布更平缓和对称、标准差显著降低、数据更集中于均值,从而提高了温度测量的准确性和稳定性。本研究为声学测温更准确的应用于发动机燃烧室提供了一种有效的技术方案。

基于小波包去噪与LSTM的超声飞渡时间测量方法

超声流量计通常采用时差法进行流量测量,但面对锅炉等环境噪声较强的复杂环境,传统的阈值法和互相关法等方法的流量测量精度会受到极大影响。提出一种基于小波包去噪与LSTM的超声飞渡时间测量方法,利用实际锅炉换热管道中采集到的超声信号数据开展实验,结果表明文章所提测量模型相较于传统的GCC、QCC等算法,在超声飞渡时间测量准确率方面提高了20.03%以上,平均绝对误差方面至少降低了0.1860,均方根误差方面至少降低了0.2829,提高了锅炉管道流量的测量精度。

基于反向传播-自适应提升算法的谐波阻抗估计

目前,关于量化谐波阻抗的研究大多数是基于系统侧谐波阻抗不发生改变而设定,当系统谐波阻抗变动时,如何估计谐波阻抗的研究相对较少。为此,本文提出一种基于系统谐波阻抗变动背景下的系统谐波阻抗估计新方法。首先,加窗处理谐波电压、电流测量数据,使用二元线性回归法估算系统谐波阻抗,并用小波包变换对测量数据进行分段,以找出系统谐波阻抗变动的时间;其次,采用反向传播-自适应提升算法精确量化每个采样数据段的系统谐波阻抗;最后,通过仿真与实例分析验证本文方法相较于其他方法具有更好的鲁棒性和精确性。

基于小波包分解与GA优化BP神经网络的瞬变电磁反演

瞬变电磁反演是高维非凸的复杂非线性反演问题。利用传统的BP(back propagation)神经网络可以有效缓解瞬变电磁反演的过拟合现象,但是BP算法收敛速度慢、易陷入局部最优。为了解决这些问题,提出了一种基于小波包分解(wavelet packet denoising,WPD)和遗传算法(genetic algorithm,GA)优化BP神经网络的方法(WPD-GA-BP),并应用于瞬变电磁反演中。首先,采用基于硬阈值和Daubechies系列中Db13的WPD方法降低观测磁场数据中的噪声成分,同时提出一种剔除冗余特征的样本采集策略。然后,引入具有全局性的GA优化BP神经网络初始权重,提升BP算法的学习能力和求解精度。最后,基于中心回线源一维瞬变电磁正演理论,构建层状地电模型,经WPD预处理后进行反演,并比较GA-BP与传统Occam、单一BP、PSO-BP(particle swarm optimization-BP)、DE-BP(differential evolution-BP)等算法的反演结果。理论模型与实测数据反演结果表明:在瞬变电磁层状地电模型反演中,WPD-GA-BP比其他算法具有更高的精度以及更强的稳定性和正演数据拟合能力,可有效应用于电磁探测反演解释中。

基于RTSP协议网络监控的船闸远程自动控制方法

当前的船闸远程自动控制方法处理负载信号的方式较为单一,而负载信号的处理较为复杂且存在信息量不足的问题,因此需要更长时间来完成负载信息的处理和解析,进而导致无法即时有效地远程控制和调整船闸。为此,提出基于RTSP协议网络监控的船闸远程自动控制方法。首先,通过声波传感器对船闸负载信号进行采集,并对采集到的船闸负载信号进行变换处理,从而提高远程控制的准确率。然后,通过小波包分解法对船闸控制特征向量进行提取。最后,利用RTSP协议网络监控实现远程自动控制船闸。与现有方法比较的结果表明,所提方法在控制船闸时的响应速度最快,仅为0.2s,说明所提方法在实际应用中具有较高的应用价值,为水利工程领域的智能化、自动化发展提供了有力支持。

基于LMD的小波包去噪法在变形监测数据去噪中的应用

为了解决工程类变形监测数据受噪声干扰,无法表现变形体真实变形趋势的问题,本文在传统局部均值分解(LMD)技术的基础上引入小波包去噪法,构建新的基于LMD的小波包去噪法。该组合去噪法实现去噪的主要步骤是:首先,使用LMD对原始信号进行分解,得到若干个分量,其中,信号的有用信息主要包含在低频分量中,噪声成分包含在高频分量中;其次,使用小波包去噪法对高频分量进行去噪,尽可能提取高频分量中的有用信息;最后,将去噪处理的高频分量与低频分量进行重构,得到最终去噪信号。另外,还使用仿真信号与实测变形监测信号对本文提出的去噪方法进行了检验。结果表明,相较于传统的LMD去噪法与小波包去噪法,本文基于LMD的小波包去噪法得到的相关系数、信噪比更高,均方根误差更低,具有更好的去噪效果。

基于小波包的即时通信网络安全漏洞检测方法

由于现有的检测方法准确程度水平低,召回程度在85%以下,为此研究基于小波包的即时通信网络安全漏洞检测方法。该方法通过对通信网络IP特征进行分析并计算聚类中心,实现漏洞数据的聚类。同时,利用小波包滤波进行特征提取和最优分解层数确定,通过相空间重构得到最优去噪结果。针对即时通信网络节点,计算安全漏洞弧长,并应用蚁群搜索算法精确定位漏洞位置。实验结果表明,该方法在样本数为6000个时,准确度达到90%以上,同时召回率超过85%,具备较好的漏洞检测能力。

基于改进小波包分解的电力系统继电保护回路故障诊断方法

常规的保护回路故障诊断方法以故障特征信息分析为主,受到噪声干扰,故障诊断结果存在一定的失准问题。为了解决这一问题,文章设计了一种基于改进小波包分解的电力系统继电保护回路故障诊断方法。所提方法首先提取电力系统继电保护回路故障波形特征,将继电保护回路故障区段的非平稳信号提取出来,以确保后续故障诊断的准确性;然后基于改进小波包分解构建保护回路故障诊断模型,通过堆叠、重构等形式,生成更加准确的故障诊断分量;最后优化模型,求解电力系统继电保护诊断模型分支系数,以使其满足故障诊断的精度需求。仿真结果表明,该方法的故障诊断准确性更高,能够应用于实际工程中。

小波包能量传递率变异系数的斜拉桥损伤识别

为减小频带范围选择的影响,同时实现斜拉桥的损伤定位与定量,提出了一种小波包能量传递率变异系数的斜拉桥损伤识别方法。该方法基于斜拉桥损伤识别的小波包能量传递率方法,经小波包能量传递率与变异系数融合、小波包能量传递率变异系数标准化处理与中心四阶矩的量化处理等推导出小波包能量传递率变异系数的损伤指标和损伤程度指标。通过斜拉桥仿真分析对所提方法的有效性进行验证,确定最优小波包基和层数,对实桥的动力响应进行小波包分解与重构,将所得数据作为输入得到实桥的损伤指标和损伤程度指标,进而判断实桥的损伤。设定主梁损伤工况并进行斜拉桥基准有限元模型环境激励下瞬态动力分析,提取主梁的加速度数据,结合实桥的实测数据进行实桥的损伤定位与定量。结果表明:仿真损伤定位识别精度100%,损伤程度识别精度96.80%;在高斯白噪声干扰下,对损伤定位没有影响,损伤程度的误差不超过2.85%,验证了所提方法在该桥的有效性;进行实桥的损伤识别,结果表明实桥无损伤。

基于FastDTW的电力计量装置故障智能诊断技术

采用目前方法诊断电力计量装置故障时,没有去除电流信号噪声,存在F1-Score值低、电流信号清晰度低、诊断故障效率低的问题。为此,提出了基于FastDTW的电力计量装置故障智能诊断方法。结合EMD法和小波包能量法预处理电流信号,去除噪声,分析并排列高低频电流信号,重组去噪后的电流信号,获得清晰有效的电流信号。在此基础上采用扭曲电流路径距离法结合动态阈值,通过计算实现电力计量装置故障智能诊断。实验结果表明,所提方法的F1-Score值、电流信号清晰度及诊断故障效率均较高。

基于改进小波包分解的混合储能系统容量配置方法

随着中国风电装机容量的增加,风电输出功率的随机性和波动性令电网调频难度加大,为解决此问题,可采用由能量型(锂离子电池)和功率型(飞轮)储能阵列组成的混合储能系统进行风功率输出平抑,因此亟需研究混合储能系统的容量配置方法,增大其利用率并降低所需容量。首先建立250 kW/50 kWh飞轮储能以及250 kW/150 kWh的锂离子电池储能单元模型,引入相应控制策略;接着根据储能系统的自身特性以及风电场输出功率的幅频特性,提出一种改进小波包分解方法,对风电场输出功率数据进行分解,获得混合储能系统的充放电指令;然后根据不同类型储能阵列的响应时间以及改进小波包分解后各节点能量分布,获得不同种类储能阵列充放电指令分配方法;最后,根据上述充放电指令的概率分布特性,采用概率分布函数进行拟合,以一定置信水平下的置信区间进行限制,引入衡量因子进行修正,提出混合储能系统容量配置方法,进而确定各种类储能单元数量,增大储能系统的利用率并降低其所需容量。针对某额定装机容量15 MW的风电场实际输出功率数据,结合仿真实验,验证了所提出混合储能系统容量配置方法的有效性。

基于小波包能量法的扣件式模板支撑架节点连接状态监测方法

针对目前建筑工程施工过程中模板支撑架倒塌事故频发问题,提出了一种基于小波包能量法的模板支撑架节点连接状态的监测方法。利用压电陶瓷传感器(PZT)同时具备驱动和传感的能力,在节点连接的2根垂直杆件上分别布置PZT片,一个作为驱动器产生电压信号,另一个当作传感器接收信号。采用小波包能量分析法计算所接收应力波信号的能量值,节点处连接松动将导致接收到的应力波能量发生变化,根据连接松动前后应力波能量值的变化计算连接状态监测指标即松动指数,最终确定节点松动状态。取施工现场的一个直角扣件钢管脚手架原型节点进行试验验证,通过6次重复性试验结果可知,利用PZT片和小波包能量分析法,可以实现对模板支撑架节点松动状态进行监测,该方法对预防和降低施工现场模板支撑架坍塌具有一定的实际意义。

基于小波包-神经网络混合算法的瞬变电磁信号降噪研究

针对瞬变电磁信号容易受到电磁干扰的影响,使得数据信噪比降低,衰减曲线失真,而单一的滤波方法存在易丢失地质信息、圆滑过度等缺点,因而较难获得高精度成像结果的问题。提出基于小波包变换-BP神经网络的混合算法,利用小波包变换对信号的能量特征提取能力、分解重构能力和BP神经网络的学习和反馈能力,对瞬变电磁信号进行滤波处理。利用傅里叶变换获得瞬变电磁信号的频域特征,将受干扰信号和未受干扰信号对比,得到两者差异;利用3层小波包分解获得第3层节点能量占比,提取重构信号特征,对瞬变电磁信号进行初步的分解重构;调用训练好的神经网络模型对重构信号进行特征训练,获得最终的瞬变电磁信号。经小保当矿业有限公司二号煤矿实测数据研究表明:混合算法相比常用的S-G滤波、均值滤波等,实用性更强、准确率更高,滤波时保留了真实的地质信息,增强了资料解释的精度,应用效果较好,为资料处理过程提供了强有力的技术支持。

基于卷积神经网络的机械轴承故障智能识别

机械轴承振动信号噪声和复杂特征均会对故障识别造成不利影响,导致故障识别精度下降,所以研究基于卷积神经网络的机械轴承故障智能识别方法。利用小波包分析法对轴承振动信号展开多层次分析处理,结合二进制变换法实现信号重构。利用卷积神经网络中的卷积层对重构后信号展开局部卷积后,通过池化运算完成信号特征提取。利用基于SVDD的信号分类函数判定该信号样本是否为故障信号,实现机械轴承故障智能识别。实验表明,所提方法对于轴承故障的识别效率较高,在面对多类型轴承故障情况下能够做到高效精确识别。

ZigBee无线通信网络入侵探测节点倒追定位方法

ZigBee无线通信网络入侵探测节点定位时,受入侵信号和噪声信号的影响会导致定位误差大、定位时间长和定位能耗高等问题,提出ZigBee无线通信网络入侵探测节点倒追定位方法。采用小波包消噪方法去除入侵信号噪声;利用集合经验模态分解法分解去噪后的入侵信号,筛选入侵信号特征并获取其能量;构建无线传感器网络入侵检测模型,通过模型对入侵探测节点进行感知和倒追定位。实验结果表明,所提方法的定位误差最大值为15,定位时间最大值为26.7 s,定位能耗为40 J,具有较高的准确度和有效性。

不同加载模式下GFRP管混凝土组合柱的损伤实时监测

基于压电陶瓷主动传感技术,对GFRP管混凝土组合柱(concrete filled GFRP tube,CFGT)进行损伤监测.制作2组预埋压电智能骨料(smart aggregate,SA)的GFRP管约束混凝土短柱试件,分别进行单调和往复轴压试验,监测其损伤情况.加载过程中采集实时信号,采用小波包能量法和基于均方根偏差的损伤评判指标(damage indicator,DI)等进行损伤评估,发现小波包能量随着荷载的增大明显衰减,而损伤评判指标随着荷载的增大而增大,且在损伤达到一定程度时趋于平稳;组合柱底的小波包能量均大于柱顶的;柱底混凝土晚于柱顶破环;往复加载下的混凝土破坏先于单调加载下的.结果表明,该监测方法能有效识别组合柱在受力时的实时损伤程度,且监测信号的幅值、小波包能量、损伤评判指标均在损伤过程中表现出较好的敏感性.该方法可为该类组合柱在施工、使用过程中的实时损伤研究提供参考.

基于滤波器组和小波包变换的超高次谐波检测方法

随着分布式可再生能源占比的逐渐增加及电动汽车充电桩等设备的广泛应用,低压配电网中超高次谐波问题日益严重。由于超高次谐波具有高频率、宽频域的特点,进行超高次谐波检测时要处理的数据量大、检测速度慢,同时超高次谐波还具有时变性,传统以傅里叶变换为原理的检测方法难以对非平稳信号进行检测。针对上述问题,应用模拟滤波器组对信号进行下采样,降低采样频率,减少检测过程中要处理的数据量;应用小波包算法检测时变的超高次谐波分量。仿真计算结果表明,所提方法能够准确测量信号中的超高次谐波分量,计算速度较快,并可以对非平稳信号进行检测。